CN110443370A - 用于在量子计算系统中使用对称来减少错误的装置和方法 - Google Patents

用于在量子计算系统中使用对称来减少错误的装置和方法 Download PDF

Info

Publication number
CN110443370A
CN110443370A CN201910264711.2A CN201910264711A CN110443370A CN 110443370 A CN110443370 A CN 110443370A CN 201910264711 A CN201910264711 A CN 201910264711A CN 110443370 A CN110443370 A CN 110443370A
Authority
CN
China
Prior art keywords
quantum
symmetrical
qubit
result data
state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910264711.2A
Other languages
English (en)
Inventor
A·松浦
S·约瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of CN110443370A publication Critical patent/CN110443370A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3604Software analysis for verifying properties of programs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/30Creation or generation of source code
    • G06F8/31Programming languages or programming paradigms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00Quantum computing, i.e. information processing based on quantum-mechanical phenomena

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
  • Optical Communication System (AREA)

Abstract

用于在量子计算系统中丢弃非对称结果的装置和方法。例如,本发明的一个实施例是一种装置,包括:对称检测器,用于分析量子程序代码以识别与由子子程序代码指示的一个或多个量子门相关联的对称,量子门由量子处理器的量子比特(qubit)实现;以及基于对称的过滤器,用于根据所识别的对称分析由量子处理器生成的结果数据,该对称检测器用于识别和过滤结果数据中的与所识别的对称不一致的第一部分。

Description

用于在量子计算系统中使用对称来减少错误的装置和方法
技术领域
本发明的实施例总体上涉及量子计算领域。更具体地,这些实施例涉 及用于在量子计算系统中使用对称来减少错误的装置和方法。
背景技术
量子计算是指涉及使用量子力学现象来操纵数据的计算系统的研究领 域。这些量子力学现象,例如叠加(其中量子变量可以同时存在于多个不 同的状态中)和纠缠(其中多个量子变量具有相关状态,而不管它们在空 间或时间上的距离如何),不具有经典计算的世界的类似物,因此不能用经 典计算设备实现。
附图说明
通过结合附图的以下详细描述,可以更好地理解本发明,其中:
图1A-图1F示出了根据一个实施例的示例量子点器件的各种视图;
图2示出了使用对称来识别错误数据的量子计算系统的一个实施例;
图3示出了用于两个位点的Fermi Hubbard模型的两个副本的绝热演化 的特定量子电路;
图4示出了根据本发明的一个实施例的方法;以及
图5A-图5D示出了根据本发明的一个实施例的后选择的特定实现和数 据点的结果。
具体实施方式
在以下描述中,出于解释的目的,阐述了许多具体细节以便提供对下 面描述的本发明的实施例的透彻理解。然而,对于本领域技术人员显而易 见的是,可以在没有这些具体细节中的一些的情况下实践本发明的实施例。 在其他实例中,以框图形式示出了公知的结构和设备,以避免模糊本发明 的实施例的基本原理。
介绍
量子计算机使用诸如叠加和纠缠的量子力学现象来执行计算。与以两 种确定状态(0或1)之一存储数据的数字计算机相反,量子计算使用量子 比特(qubit),其可以是状态的叠加。可以使用诸如电子和光子的基本粒子 的物理上可区分的量子态来实现量子比特。例如,可以使用光子的偏振, 其中两个状态是垂直偏振和水平偏振。类似地,电子的自旋可以具有可区 分的状态,例如“向上旋转”和“向下旋转”。
qubit状态通常由括号|0>和|1>表示。在传统的计算机系统中,一个位专 门处于一种状态或另一种状态,即“0”或“1”。然而,量子力学系统中 的qubit可以同时处于两种状态的叠加,特点在于对于量子计算是独特和基 础的。
量子计算系统执行包含在qubit上执行的量子逻辑运算的算法。将运算 的序列静态编译成调度,并使用索引方案对qubit进行寻址。然后,该算法 被执行足够多的次数,直到计算出的答案的置信区间高于阈值(例如,~95 +%)。达到阈值意味着已达到所需的算法结果。
已经使用能够操纵和读取量子态的各种不同技术来实现qubit。这些包 括但不限于量子点器件(基于自旋和基于空间的)、捕获离子器件、超导量 子计算机、光学晶格、核磁共振计算机、固态NMR凯恩量子器件、电子氦 量子计算机、腔量子电动力学(CQED)器件、分子磁铁计算机和基于富勒 烯的ESR量子计算机,仅举几例。因此,尽管下面关于本发明的某些实施 例描述了量子点器件,但是本发明的基本原理可以与任何类型的量子计算 机结合使用,包括但不限于上面列出的那些。用于量子比特的特定物理实 现与本文描述的本发明的实施例正交。
量子点器件
量子点是小的半导体颗粒,通常尺寸为几纳米。由于这种小尺寸,量 子点不根据量子力学的规则运行,具有与宏观实体不同的光学和电子特性。 量子点有时被称为“人造原子”,意味着量子点是具有离散的、束缚电子态 的单个物体,如原子或分子的情况。
图1A-图1F是量子点器件100的各种视图,其可以与下面描述的本发 明的实施例一起使用。图1A是量子点器件100的一部分的顶视图,其中一 些材料被去除,使得第一门线102、第二门线104和第三门线106可见。尽 管这里的许多附图和描述可以分别将一组特定的线或门称为“屏障”或“量 子点”线或门,但这仅仅是为了便于讨论,并且在其他实施例中,“可以切 换“屏障”和“量子点”线和门(例如,屏障门可以替代地充当量子点门, 反之亦然)。图1B-图1F是图1A的量子点器件100的侧面剖视图;特别地, 图1B是通过图1A的截面B-B的视图,图1C是通过图1A的截面C-C的 视图,图1D是通过图1A的截面D-D的视图,图1E是通过图1A的截面 E-E的视图,而图1F是通过图1A的F-F截面的视图。
可以以多种方式中的任何一种来操作图1的量子点器件100。例如,在 一些实施例中,诸如电压、电流、射频(RF)和/或微波信号的电信号可被 提供给一个或多个第一门线102、第二门线104和/或第三门线106,以使量 子点(例如,基于电子自旋的量子点或基于空穴的自旋量子点)在第三门 线106的第三门166下方的量子阱堆146中形成。提供给第三门线106的 电信号可以控制第三门线106的第三门166下方的量子阱的电势,而提供 给第一门线102(和/或第二门线104)的电信号可以控制在相邻量子阱之间 的第一门线102(和/或第二门线104的第二门164)的第一门162下方的势 能垒。量子阱堆146中的不同量子阱中的量子点之间的量子相互作用(例 如,在不同的量子点门下)可以部分地由施加在它们之间的势垒电势提供 的势能垒(例如,通过插入势垒门)来控制。
通常,本文公开的量子点器件100可以进一步包括磁场源(未示出), 其可以用于产生通常是简并的在量子点的状态中的能量差(例如,基于电 子自旋的量子点的自旋态),并且可以通过将电磁能量施加到门线以产生能 够计算的量子比特来操纵量子点的状态(例如,自旋状态)。磁场源可以是 一个或多个磁线,如下所述。因此,本文公开的量子点器件100可以通过 受控地施加电磁能量来操纵量子阱堆146中的量子点的位置、数量和量子状态(例如,自旋)。
在图1的量子点器件100中,门电介质114可以设置在量子阱堆146 上。量子阱堆146可以包括至少一个量子阱层152(图1中未示出),其中 量子点可以在量子点器件100的操作期间定位。门电介质114可以是任何 合适的材料,例如高k材料。多个平行的第一门线102可以设置在门电介 质114上,并且间隔件材料118可以设置在第一门线102的侧面上。在一 些实施例中,图案化的硬掩模110可以设置在第一门线102上(如图所示, 具有与第一门线102的图案对应的图案,并且间隔件材料118可以向上延 伸到硬掩模110的侧面,如图所示。第一门线102每个可以是第一门162。 第一门线102中的不同的第一门线102可以以任何期望的组合电控制(例 如,每个第一门线102可以单独电控制,或者第一门线102中的一些或全 部根据需要,可以在一个或多个组中短接在一起。
多条平行的第二门线104可以设置在第一门线102之上和之间。如图1 所示,第二门线104可以垂直于第一门线102设置。第二门线104可以延 伸在硬掩模110上方,并且可以包括第二门164,其朝向量子阱堆146向下 延伸并且在相邻的第一门线102之间接触门电介质114,如图1D所示。在 一些实施例中,第二门164可以填充相邻的第一门线102/间隔物材料118 结构之间的区域;在其他实施例中,绝缘材料(未示出)可以存在于第一 门线102/间隔件材料118结构和邻近的第二门164之间。在一些实施例中, 间隔件材料118可以设置在第二门线的侧面上104;在其他实施例中,间隔 物材料118可以不设置在第二门线104的侧面上。在一些实施例中,硬掩 模115可以设置在第二门线104上方。第二门线104的多个第二门164是 电连续的(由于第二门线104在硬掩模110上的共用导电材料)。可以以任 何期望的组合电控制第二门线104中的不同的第二门线104(例如,可以单 独地电控制每个第二门线104,或者可以根据需要将第二门线104中的一些 或所有在一个或多个组中短接在一起)。第一门线102和第二门线104一起 可以形成栅格,如图1所示。
多条平行的第三门线106可以设置在第一门线102和第二门线104之 上和之间。如图1所示,第三门线106可以与第一门线102成对角线布置, 并且与第二门线104成对角线布置。特别地,第三门线106可以对角地布 置在由第一门线102和第二门线104形成的栅格中的开口上。第三门线106 可以包括第三门线166,其在由第一门线102和第二门线104形成的栅格中 的开口中向下延伸到门电介质114;因此,每个第三门166可以由两条不同 的第一门线102和两条不同的第二门线104界定。在一些实施例中,第三 门166可以由绝缘材料128界定;在其他实施例中,第三门166可以填充 栅格中的开口(例如,接触设置在相邻的第一门线102和第二门线104(未 示出)的侧面上的间隔件材料118)。附加的绝缘材料117可以设置在第三 门线106上和/或周围。第三门线106的多个第三门166是电连续的(由于 第一门线102和第二门线104上方的第三门线106的共用导电材料)。可以 以任何期望的组合电控制第三门线106中的不同的门线106(例如,可以单 独地电控制每个第三门线106,或者第三门线106中的一些或所有可以根据 需要在一个或多个组中短接在一起)。
尽管图1A-图1F示出了特定数量的第一门线102、第二门线104和第 三门线106,但这仅用于说明目的,并且任意数量的第一门线102、第二门 线104、以及第三门线106可以包括在量子点器件100中。第一门线102、 第二门线104和第三门线106的布置的其他示例是可能的。电互连(例如, 通孔和导线)可以以任何期望的方式接触第一门线102、第二门线104和第 三门线106。
图1中未示出的是可以电耦合到量子阱堆146的量子阱层(例如,横 向接近量子阱层)的累积区域。累积区域可以通过介入介电材料的薄层与 门线隔开。累积区域可以是载流子累积的区域(例如,由于掺杂,或者由 于存在将载流子拉入量子阱层的大电极),并且可以用作可以选择性地吸引 到在第三门166下方的量子阱层的区域中的载流子的储存器(例如,通过 控制量子点门、第一门162和第二门164上的电压)以形成基于载流子的 量子点(例如,电子或空穴量子点,包括单个电荷载体、多个电荷载体或 无电荷载体)。在其他实施例中,量子点器件100可以不包括横向累积区域, 但是可以替代地包括量子阱堆146内的掺杂层。这些掺杂层可以将载流子 提供给量子阱层。量子阱堆146中的累积区域(例如,掺杂或非掺杂)或 掺杂层的任何组合可以用于本文公开的量子点器件100的任何实施例中。用于在量子计算系统中使用对称减少错误的装置和方法
噪声是量子计算系统中的主要限制因素。近期量子计算机受到短量子 比特(qubit)退相干时间(通常是几分之一秒)和噪声qubit操作的限制。 尝试克服该问题的一种方法是瞄准完全容错的量子计算机。然而,就所需 的物理到逻辑qubit数而言,这种方法过于昂贵。该方案中的大多数qubit 必须用于错误校正而不是计算。因此,这种方法不适用于近期量子计算机, 如果需要绝大多数qubit进行错误校正,那么它将没有足够数量的qubit来 计算任何有趣的东西。
这里描述的本发明的实施例执行应用于量子计算的结果的后选择错误 减少技术。使用某些量子操作的已知对称,这些实施例在计算之后减轻了 噪声的影响,而不需要严格的错误校正。
通过将酉运算符应用于量子状态来执行量子计算中的基本操作。量子 电路中的每个门在受影响的qubit上提供单一变换,正如经典计算中的每个 经典门代表布尔函数一样。这些量子门操作是量子电路的构建块。
在本发明的一个实施例中,识别与每个酉运算符相关联的对称并将其 用于后选择实验结果并丢弃那些不遵守它们的结果。例如,考虑到特定操 作的已知对称,某些状态可以被识别为不可能的结果(除非它们是错误的); 然后可以丢弃与这些状态相关联的数据。
完全容错的量子计算可能非常遥远。与此同时(例如,接下来的20年), 小于1000qubit的系统仍然可以证明对于减少实验错误而没有全面严格的 错误校正的错误减轻技术是有用的。使用本发明的实施例,即使没有达到 容错阈值,也可以从不完美的qubit系统实现最大计算能力。因此,这里描 述的技术对于使至少下一代量子计算机有用是至关重要的。
图2示出了基于对称执行数据的后选择的量子计算架构的一个实施例。 量子处理器260的qubit 265响应于来自量子控制器205的信号而被操纵。 可以在量子处理器260内使用任何类型的qubit 265,包括,例如但不限于, 陷俘离子qubit和量子点。然而,本发明的实施例可以用任何类型的qubit 来实现。
在一个实施例中,量子控制器205执行包括在指定量子运行时的编译 的量子程序代码201中的命令。量子程序代码201可以在客户端/服务器设 备270的通用处理器(未示出)上执行的软件中实现。量子运行时程序代 码201的一个实施例指定根据开放量子汇编语言(QASM),量子指令的中 间表示的操作。然而,本发明的基本原理不限于任何特定语言。
量子控制器205可以包括用于执行量子程序代码201的通用或专用处 理器以及用于控制qubit的专用电路。耦合到量子控制器或与量子控制器集 成的一个或多个物理层(PHY)设备240如量子运行时201所指定的那样 对qubit 265执行底层操作。例如,物理层设备240可包括电磁发射器,其 用于生成微波脉冲或者其他电磁信号以根据量子程序代码201操纵qubit 265。作为响应,量子处理器260对qubit 265执行操作的指定的序列以生成结果270。在一个实现中,需要特定操作的多次迭代或者一系列操作来生成 结果270。
用于量子系统的基于对称的定律意味着所有qubit上的量子测量的组合 输出应遵循某些规则。本发明的一个实施例应用这些规则来识别与所定义 的对称不一致的结果,然后可以将其丢弃。例如,如果粒子数是守恒的, 则在量子计算结束时测量为处于“1”状态的qubit的总数是恒定的,即使 任何单个量子比特可能处于向上或向下状态。
在一个实施例中,对称检测器220分析量子程序代码201以识别这些 对称。例如,对称检测器220识别特定的量子门操作,随后成组的qubit将 服从已知的对称。可以在由对称检测器220使用以检测这种对称的数据库 236内编译不同的量子门/酉运算符对称。在一个特定实施例中,在5-qubit 量子处理器260中实现的受控交换(C交换)门用于计算Renyi熵,并且通 过利用检测到的C交换门的对称属性来减轻实验错误。
过滤器配置器221应用由对称检测器220识别的对称,以动态地配置 或生成基于对称的过滤器222,其特别适合于根据量子程序代码201中识别 的对称来评估结果270。例如,在识别C交换门中的对称的实现方式中,C 交换门中的qubit之间的对称关系可以应用于基于对称的过滤器222。
基于对称的过滤器222分析由量子处理器260生成的结果270,以识别 与该对称关系不一致的那些数据点230。基于对称的过滤器222确定的与预 期对称不一致的数据230被丢弃,而被确定为一致的数据235被存储在客 户端/服务器270的存储设备中。因此,使用某些酉运算符的已知对称,例 如C交换门,可以减轻计算后噪声的影响,而无需严格的错误校正。
图3示出了用于两个位点的Fermi Hubbard模型的两个副本(标记为1 和2)的绝热进化的特定量子电路,每个副本在两个qubit A和B中实现, 并且从辅助(ancilla)qubit301获得第二Renyi熵的测量。特别是,来自底 部四个qubit的数据可用于确定是否应接受对辅助qubit的特定测量。尽管
图2中未示出细节以避免模糊本发明的基本原理,但是本文描述的基于对 称的后选择技术可以与现有的错误编码技术结合使用。
返回图3,通过应用Hadamard门准备非交互的基态,然后通过重复应 用中央码块320将数字化的绝热演变310准备为U的有限值。值m是一个 整数,指的是绝热演化的第m步,δ是步长,τ是演化时间。旋转门中的 角度以弧度为单位。通过在子系统A上应用由辅助qubit 301控制的C交换 门并随后检测辅助qubit 301的状态,在340处测量Renyi熵R2。通过应用 额外的Hadamard门并测量系统qubit,可以检测并丢弃实验错误,如检查 区域330内所示。
作为一个示例,使用如下惯例:在图3所示的电路之后的5qubit输出 状态中的最顶部qubit是计算基础的二进制表示中的最高有效位,每个状态 来自|00000>到|11111>可以被赋予从0到31的十进制值(即,表示5比特 的所有可能组合)。给定与C-交换门之后的状态相关联的对称意味着编号为 16、17、18、20、21、23、24、26、27、29、30和31的状态违反对称。因 此,基于对称的过滤器222将丢弃这些状态,从而通过去除非对称结果来 对结果进行后选择。相反,其他状态,例如|00000>、|00001>和|00010>是 由基于对称的过滤器传递的有效状态。
下面提供了图3中所示的5qubit实现的详细描述(标题为“测量两站 点Fermi-Hubbard模型的Renyi熵”的部分)。
图4中示出了根据对称对数据进行过滤的方法的一个实施例。在401 处,识别指定量子程序代码内的对称,并且利用该信息,生成基于对称的 过滤器。在402处,根据量子程序代码执行量子操作。特别地,量子处理 器对准备好的qubit执行操作以生成结果。可能需要特定操作的多次迭代或 一系列操作来生成结果。
在403处,评估每个数据点以确定其是否与同其量子门相关联的预期 对称一致。如果不是,则在404处丢弃数据点。如果是,则在405处存储 数据点。当在406处确定了已经评估了最后一个数据点时,该过程结束。
上述错误减轻技术可以很好地扩展到更大的系统尺寸,因为丢弃状态 的数量与系统的Hilbert空间的大小成比例,但是它将在更大的电路深度处 分解。因此,对于NISQ(噪声中间规模量子)时代来说,这是一种特别有 益的技术,其中作用于没有容错的几个qubit系统的短深度电路预期对某些 应用是有用的。
图5A-图5B中所示的数据说明了本发明实施方案的有用性。特别是, 在使用基于对称的数据选择技术之前,空心圆中的数据显示了噪声结果。 填充的黑色圆圈显示使用基于对称的过滤器删除不一致值(空心圆圈)后 的结果。因此,得到的数据与理论预测一致。
测量两点Fermi-Hubbard模型的Renyi熵
如上所述,图3示出了用于两站点的Fermi Hubbard模型的两个副本(标 记为1和2)的绝热演化的特定量子电路,每个副本在两个qubit A和B中 实现,并且测量第二Renyi熵。
相关量子系统的有效模拟是量子计算机最有希望的近期应用。下面描 述的是基于陷俘离子在5-qubit可编程量子计算机上测量双站点 Fermi-Hubbard模型的基态的第二Renyi熵的实施方式。本公开示出了使用 作用于状态的两个副本的受控交换门来提取量子状态的非线性特征。这种 可扩展的通用量子计算机上的纠缠测量将利用更多的qubit,提供对无法在 经典计算机上模拟的多体量子系统的见解。
经典和量子系统之间的显著差异之一是纠缠现象。分析大纠缠态对量 子计算应用具有相当大的意义。这与涉及相互作用的费米子[1,2]的量子化 学和材料科学模拟特别相关,其中小版本已在少qubit量子计算机上模拟 [3-5]。最近,开发了一种量子算法,通过对Renyi熵的测量来构建量子计算 机上制备的任意波函数的纠缠谱[6]。在本说明书中,通过实现受控交换(C 交换)门在5-qubit电路中测量第二Renyi熵,并且通过利用该门的对称性 质来减轻实验错误(如上所述)。以前对Renyi熵的测量例如[7]没有在通用 机器上实现,并且可能不容易推广到任意的Hamiltonian或可扩展到更大的 系统。
对于由状态|Ψ>理想描述并由两个子系统A和B组成的多体量子系统, 第n个Renyi熵由给出,其中
是降低密度矩阵的第n次幂的轨迹对于非零纠缠, R2<1,其具有与冯诺依曼熵相同的通用性。两者都 是A和B之间纠缠的度量,并提供有关系统的基础物理的有价值信息。例 如,Renyi熵可用于研究纠缠的非平衡缩放[8-13],其中包括通过时间依赖 性和尺度缩放定律[19]将多体局部状态与热化状态[14-18]区分开来,并研 究拓扑顺序[20,21]和量子临界系统[22-24]。
在本案例中正在研究的系统是两站点的Fermi-Hubbard模型,它描述了 晶格上相互作用的电子[25,26]。尽管它很简单,但它被假定为针对复杂现 象(如高温超导性)的模型。由于其在热力学极限中的行为仍然是经典数 值技术无法实现的,因此它已成为量子计算机模拟的主要候选者[27,28]。
采用了几种共同设计的技术。首先,确定从电子问题到量子比特空间 的有效映射。其次,开发了一种电路,其用于数字化绝热演化,以准备模 型的基态,通过Trotter步长和总演化时间进行参数化。基于可用的实验资 源和估计的Trotter错误,选择一组参数,其最佳地对应于精确对角化的结 果。实现了C交换门,这是有效提取第二Renyi熵的关键。最后,所有这 些元素被集成到一个电路(图3中所示的实施例)中,该电路准备和演化 Fermi-Hubbard系统的两个副本,并且在辅助qubit的帮助下测量第二个 Renyi熵。重要的是,在该步骤中,C-交换门的对称性质用于对四个数据qubit 中包含的信息进行后处理并减少实验错误。两组参数的测量结果如图5A- 图5B所示。已经提出了使用系统的多个副本[29-32]或随机猝灭[33]来测量 纠缠熵的其他方法。
在一个实施例中,相关量子电路在捕获离子系统上实现,该捕获离子 系统构成具有完全连通性的可编程5qubit计算机[34,35]。在保罗陷阱中限 制的171Yb+离子的超精细分裂2S1/2地平面中实现了qubit。单qubit和双 qubit的门保真度通常分别为99.1(5)%和98.5(5)%。单qubit门的典型 时间为10μs,双qubit门的典型门时间为210μs。诸如H、CNOT和C交 换之类的计算门由编译器以模块化方式生成,编译器将它们分解为组成物 理级单qubit门和双qubit门。
Fermi-Hubbard哈密顿量是
其中分别是对于自旋态σ∈{↓,↑}和站点i的电子产生和湮灭运算 符,并且是电子数运算符。这里J是跳跃强度,U是现场 互动。我们考虑模型的最小非平凡版本,其涉及两个站点和两个电子,沿z 轴具有总自旋Sz=0。
通常,在将电子问题映射到qubit时,使用Jordan-Wigner[36]或 Bravyi-Kitaev[2]映射,两者都在第二量化基础上工作。这里,qubit数Nq 等于单电子态NS的数量,这将需要Nq=Ns=4个qubit。
然而,在许多问题中,存在可以减小Hilbert空间的尺寸的附加对称或 守恒定律。上面的哈密顿量保留了电子数Ne和沿z的总自旋Sz。因此,第 一量化映射,其中qubit系统的Hilbert空间大小和多电子问题相等,最有效 地使用qubit。这是近期量子硬件的重要优化。
在第一量化中,Hilbert空间大小为4,可以映射到两个qubit,作为 |00>={11},|01>={12},|10>={21},and|11>={22}。{iσijσi}代 表Slater决定因子,它满足哈密顿量的数和自旋守恒定律。在此映射中,一 个qubit表示向上旋转空间,而另一个qubit表示向下旋转空间。在此基础 上,哈密顿量是
这可以根据作用于两个qubit的运算符来写(最多为常数,并且通过J来缩 放能量)[37,38]
其中是Pauli矩阵。
为了在有限U处准备H的基态,我们使用来自零相互作用基态的数字 化绝热演化。时间依赖的Fermi-Hubbard哈密顿量
通过线性插值从t=0到t=UT。在U=0时,基态是 可以用Hadamard门准备(见图1)。
具有两个非抵算项的哈密顿量的一阶Trotterization是 对于较大的 演化时间T和较小的步长_,基态的近似更准确(参见补充材料)。这里, 在时间t=mδ,其中m是整数,我们设定 将Trotterization和数字化的绝热演化结合起来,我们得到酉运 算的以下序列来准备基态:
在[39]之后,我们使用的约定,并且类似地使用这导致我们进入数字化绝热演化的电路,如图1所示。
模拟经典计算机上的演化以研究在一阶Trotter近似中R2中的错误的缩 放(参见补充材料)。对于实验实现,用于控制激光脉冲的任意波形发生器 的存储器深度将门序列的长度限制为8ms,将Trotter步数限制为Nsteps≤ 6。实现了两种不同的方法用于演化为有限U。
方法I:对于固定的T和δ,可以以T/δ和Nsteps=UT/δ的间隔进行 采样。为了从U=0演变到U=6,我们选择T/δ=1并且从Nsteps=0到 Nsteps=0。结果,只能选择U的有限间隔的值。这里,U的较小值涉及较 少的门,并且受实验错误的影响较小。
方法II:修复Nsteps=5,因此将U的任何值采样到Nsteps。在这种 情况下,T=Nstepsδ/U。这里,在U的每个值处执行相同数量的门,因 此实验错误的幅度在每个点应该是相似的。
基于模拟,选择似乎最接近来自精确对角化的结果的参数。对于方法I, δ=0.1且T=0.1,而对于方法II,δ=0.25且T=1.25/U。
在我们系统的双qubit实验中,数字化的绝热进化本身就是针对这两种 方法实现的。使用Hadamard门,在非相互作用的哈密顿量(U=0)的基 态中,沿Bloch球的x轴上,准备qubit(见图3)。然后,对于方法I,状 态从U=0到U=6逐步演变,对于方法II,U=5。最后,沿z轴进行测量, 并沿x轴分别(借助附加Hadamard门)进行测量,以计算来自以及的期望值结果如图5C所示。注意,方法II显示了与理想值的 偏移。如果从所有数据点中减去针对U=0的测量值(无演化),则它们与 理论预期紧密匹配。对于方法I,门的数量以及因此产生的错误随着U而增 加。减去斜率0:063的直线模型这种增加很好。这与[40]中开发的小电路 错误模型一致。在动力学未知的较大系统中,不能容易地确定该校正。然 而,方法II中看到的偏移对应于非相互作用且因此易于可积的系统的特征 值的错误,其可以更普遍地应用。可替换地,如果所需的额外电路深度可 用,则可以采用最近在[41]中完成的零噪声外推。
为了测量R2,可以遵循[6]中概述的技术,其需要状态|Ψ>= ∑i,jcij|ai>以及|bj>的两个副本,其中|ai>和|bj>分别是子空间A和B的基本 状态。R2由子空间A上的交换运算符的期望值给出,
R2=<Ψ|Ψ′|SwapA|Ψ>|Ψ′>, (7)
其中撇号表示属于子系统2的状态,操作符SwapA的行为如下:
SwapA|Ψ|Ψ′>=∑i,ji,jCijCi′j′|ai′>|bi>|ai>|bj′>. (8)
为了实验地提取R_2,交换门应用于绝热演化状态的两个副本的子系 统A,以辅助qubit的状态为条件。通过在C交换门之前和之后应用Hadamard 门,在x基础上准备和测量辅助qubit(参见图1)。重复模拟和测量,并对 结果求平均值,使我们能够确定状态|0>或|1>中的概率Pa和辅助qubit,其中 R2被计算为R2=Pa(0)-Pa(1)。
C交换或Fredkin门[42]已在NMR[43]和光子系统[44,45]中实验性地实 施。本发明的该实施例是具有捕获离子的C-交换门的第一实施方式。它的 演化运算符是:
通过编程量子编译器将其分解为来自本地库的门来实现这个门[34,35]。 它需要7个纠缠门和14个单qubit旋转。应用每个逻辑输入状态并记录输 出状态概率。结果显示在图5D中。与等式9中所示的理想演化运算符相比, 平均成功概率为86.8(3)%。发现R2铰链测量的控制qubit处于正确状态, 概率为94.0(2)%。门也应用于输入状态的平衡叠加和测量的85.2(7)% 正确结果。根据这些测量,使用[46]中描述的方法得出83(3)%的过程保真度的估计值。
在电路的所有元件到位的情况下,实施整个算法以绝热地演化两个 qubitFermi-Hubbard系统的两个副本,并使用顶部qubit 301作为辅助来测 量第二Renyi熵(参见图3)。结果分别显示为图5(a)和(b)中方法I和 II的空心符号。两幅图都包括显示所选择的Trotter步骤(δ)和进化时间 (T)的理论预期值的曲线,以及用于比较的实际解。实际的解决方案显示 R2随着相互作用的增加而单调递减,这意味着qubit之间的纠缠增加。对于方法I,曲线刚好低于0.9。此时,不应用绝热演化,并且该值是从C交换 门的性能预期的。随着采取更多的演化步骤,与理论预期曲线的偏差增加。 对于方法II,无论U的值如何,都必须执行27个纠缠门,并且我们观察到 系统地降低了R2的值。很明显,辅助qubit的测量结果由模型的动态和物理 门的错误决定。
为了区分这两种现象,本文描述的技术可以用于使用表示两个系统的 四个数据qubit中可用的附加信息来检测错误的运行。交换运算符的特征值 为±1,相应的本征态为偶数,而量子比特的奇数函数被交换。对于任何运 算符V,具有特征值λm和特征向量|m>,使得并且状态 |Φ>=∑mdm|m>,期望值可以通过对辅助qubit 的状态应用条件得到。在受控操作之前沿x制备辅助,然后在X-基础上 测量。在测量之前,qubit处于以下状态,其中每个术语中的第一个句点描 述了辅助qubit:
<|0>∑m(1+λm)dm|m>+|1>∑m(1+λm)dm|m>. (10)
这本质上是用来测量SwapA运算符的期望值来确定Renyi熵的电路。 因此可以观察到如果i^'=i或者如果j^'=j,则|1>ai>|bj>|1>ai′>|bj′>的概率 为0。这意味着,在评估R2时,5qubit寄存器的32个可能输出状态中的12 个应具有零权重(参见补充材料)。在丢弃这些结果后重新分析数据,并找 到图5A-图5A中填充符号给出的值。数据点现在遵循理论曲线,表明该方 法成功地大大减少了实验错误。该技术是通用的,因为它仅取决于C交换操作的对称,并且与所研究的模型哈密顿量无关。对于方法II,在该方法 下保持的数据运行的产率或分数为84%,并且对于方法I,U从94%降至 83%(参见补充材料)。然而,对于更深的电路,该技术不能丢弃所有错误, 如图5A中U=6所示。
总之,上述实现示出了完整的步骤链(即“全量子计算阱堆”),以在 量子计算机上模拟模型哈密顿量并测量二分量纠缠。每个步骤都可以扩展 到陷俘离子硬件平台上更大的qubit系统。该技术还可以在不同的量子计算 架构上实现。由于丢弃的状态数量与系统的Hilbert空间大小成比例,因此 预计错误减轻可以很好地扩展到较大的系统尺寸,但它会在较大的电路深 度处发生故障。因此,对于NISQ(噪声中等规模量子)时代来说,这是一种很好的技术,其中可以预期短深度电路将作用于几个没有容错的qubit系 统,从而对某些应用有用。
[1]A.Aspuru-Guzik,A.D.Dutoi,P.J.Love,and M.Head-Gordon, Science 309,1704(2005).
[2]S.B.Bravyi and A.Y.Kitaev,Annals of Physics 298,210(2002).
[3]P.J.J.O'Malley,R.Babbush,I.D.Kivlichan,J.Romero,J.R.McClean,R.Barends,J.Kelly,P.Roushan,A.Tranter,N.Ding,B.Campbell,Y.Chen,Z. Chen,B.Chiaro,A.Dunsworth,A.G.Fowler,E.Jeffrey,E.Lucero,A.Megrant, J.Y.Mutus,M.Neeley,C.Neill,C.Quintana,D.Sank,A.Vainsencher,J. Wenner,T.C.White,P.V.Coveney,P.J.Love,H.Neven,A.Aspuru-Guzik,and J.M.Martinis,Phys.Rev.X 6,031007(2016).
[4]L.Lamata,J.Kelly,L.Garc__a-_Alvarez,A.G.Fowler,A.Megrant,E. Je_rey,T.C.White,D.Sank,J.Y.Mutus,B.Campbell,Y.Chen,Z.Chen,B. Chiaro,A.Dunsworth,I.-C.Hoi,C.Neill,P.J.J.O'Malley,C.Quintana,P. Roushan,A.Vainsencher,J.Wenner,E.Solano,and J.M.Martinis,Nat.Comms. 6,7654EP(2015).
[5]A.Kandala,A.Mezzacapo,K.Temme,M.Takita,M.Brink,J.M. Chow,andJ.M.Gambetta,Nature 549,242(2017).
[6]S.Johri,D.S.Steiger,and M.Troyer,Phys.Rev.B 96,195136(2017).
[7]R.Islam,R.Ma,P.M.Preiss,M.E.Tai,A.Lukin,M.Rispoli,and M. Greiner,Nature 528,77(2015).
[8]P.Calabrese and J.Cardy,J.Stat.Mech.2005,P04010(2005).
[9]G.D.Chiara,S.Montangero,P.Calabrese,and R.Fazio,J.Stat.Mech. 2006,P03001(2006).
[10]I.Peschel and V.Eisler,J.Phys.A 42,504003(2009).
[11]M.Fagotti and P.Calabrese,Phys.Rev.A 78,010306(2008).
[12]V.Alba and P.Calabrese,Proceedings of the National Academy ofSciences(2017),10.1073/pnas.1703516114.
[13]V.Alba and P.Calabrese,Phys.Rev.B 96,115421(2017).
[14]B.Bauer and C.Nayak,J.Stat.Mech.2013,P09005(2013).
[15]S.Iyer,V.Oganesyan,G.Refael,and D.A.Huse,Phys.Rev.B 87, 134202(2013).
[16]J.H.Bardarson,F.Pollmann,and J.E.Moore,Phys.Rev.Lett.109, 017202(2012).
[17]R.Vosk and E.Altman,Phys.Rev.Lett.110,067204(2013).
[18]C.K.Burrell and T.J.Osborne,Phys.Rev.Lett.99,167201(2007).
[19]J.Eisert,M.Cramer,and M.B.Plenio,Rev.Mod.Phys.82,277 (2010).
[20]A.Kitaev and J.Preskill,Phys.Rev.Lett.96,110404(2006).
[21]M.Levin and X.-G.Wen,Phys.Rev.Lett.96,110405(2006).
[22]G.Vidal,J.I.Latorre,E.Rico,and A.Kitaev,Phys.Rev.Lett.90, 227902(2003).
[23]C.Holzhey,F.Larsen,and F.Wilczek,Nuclear Physics B 424,443(1994).
[24]P.Calabrese and J.Cardy,J.Stat.Mech.2004,P06002(2004).
[25]J.Hubbard,Proc.R.Soc.276,238(1963).
[26]J.Hubbard,Proc.R.Soc.277,237(1964).
[27]D.Wecker,M.B.Hastings,N.Wiebe,B.K.Clark,C.Nayak,and M. Troyer,Phys.Rev.A 92,062318(2015).
[28]D.Wecker,M.B.Hastings,and M.Troyer,Phys.Rev.A 92,042303 (2015).
[29]D.A.Abanin and E.Demler,Phys.Rev.Lett.109,020504(2012).
[30]A.J.Daley,H.Pichler,J.Schachenmayer,and P.Zoller,Phys.Rev.Lett.109,020505(2012).
[31]A.M.Kaufman,M.E.Tai,A.Lukin,M.Rispoli,R.Schittko,P.M. Preiss,andM.Greiner,Science 353,794(2016), http://science.sciencemag.org/content/353/6301/794.full.pdf.
[32]H.Pichler,G.Zhu,A.Seif,P.Zoller,and M.Hafezi,Phys.Rev.X 6, 041033(2016).
[33]A.Elben,B.Vermersch,M.Dalmonte,J.I.Cirac,and P.Zoller,Phys.Rev.Lett.120,050406(2018).
[34]S.Debnath,N.M.Linke,C.Figgatt,K.A.Landsman,K.Wright,and C.Monroe,Nature 536,63(2016).
[35]N.M.Linke,D.Maslov,M.Roetteler,S.Debnath,C.Figgatt,K.A. Landsman,K.Wright,and C.Monroe,Proc.Natl.Acad.Sci.114(2016).
[36]P.Jordan and E.Wigner,Zeitschrift f ur Physik 47,631(1928).
[37]N.Moll,A.Fuhrer,P.Staar,and I.Tavernelli,Journal of Physics A:Mathematical and Theoretical 49,295301
(2016).
[38]S.Bravyi,J.M.Gambetta,A.Mezzacapo,and K.Temme, arXiv:1701.08213(2017).
[39]M.A.Nielsen and I.L.Chuang,Quantum Computation and QuantumInformation:10th Anniversary Edition,10th ed.(Cambridge University Press, NewYork,NY,USA,2011).
[40]Y.Li and S.C.Benjamin,Phys.Rev.X 7,021050(2017).
[41]E.F.Dumitrescu,A.J.McCaskey,G.Hagen,G.R. Jansen,T.D.Morris,T.Papenbrock,R.C.Pooser,D.J.Dean,and L.P, arXiv:1801.03897(2018).
[42]E.Fredkin and T.To_oli,International Journal of TheoreticalPhysics 21,219(1982).
[43]J.Du,P.Zou,X.Peng,D.K.L.Oi,L.C.Kwek,C.H.Oh,and A. Ekert,Phys.Rev.A 74,042319(2006).
[44]R.B.Patel,J.Ho,F.Ferreyrol,T.C.Ralph,and G.J.Pryde,ScienceAdvances 2(2016),10.1126/sciadv.1501531.
[45]T.Ono,R.Okamoto,M.Tanida,H.F.Hofmann,and S.Takeuchi, Sciencti_cReports 7(2016),10.1038/srep45353.
[46]D.M.Reich,G.Gualdi,and C.P.Koch,Phys.Rev.A 88,042309 (2013).
[47]S.Olmschenk,K.C.Younge,D.L.Moehring,D.N.Matsukevich,P. Maunz,andC.Monroe,Phys.Rev.A 76,052314(2007).
[48]K.M_lmer and A.S_rensen,Phys.Rev.Lett.82,1835(1999).
[49]E.Solano,R.L.de Matos Filho,and N.Zagury,Phys.Rev.A 59, R2539(1999).
[50]G.Milburn,S.Schneider,and D.James,Fortschritte der Physik 48, 801(2000).
[51]S.-L.Zhu,C.Monroe,and L.-M.Duan,Europhys Lett.73,485 (2006).
[52]T.Choi,S.Debnath,T.A.Manning,C.Figgatt,Z.-X.Gong,L.-M. Duan,andC.Monroe,Phys.Rev.Lett.112,190502(2014).
示例
以下是本发明的不同示例的示例实现。
示例1.一种装置,包括:对称检测器,用于分析量子程序代码以识别 与由量子程序代码指示的一个或多个量子门相关联的对称,量子门将由量 子比特(qubit)实现以生成结果数据;以及基于对称的过滤器,用于分析 由量子处理器根据所识别的对称生成的结果数据,该对称检测器用于识别 和过滤结果数据中的与所识别的对称不一致的第一部分。
示例2.示例1的装置,还包括:过滤器配置器,用于应用由对称检测 器识别的对称,以动态地配置或生成基于对称的过滤器。
示例3.示例1的装置,其中量子程序代码包括开放量子汇编语言 (QASM)代码。
示例4.示例1的装置,其中量子处理器包括陷俘离子量子处理器,其 中每个qubit被实现为离子的状态。
示例5.示例1的装置,其中量子处理器包括量子点器件,其中每个状 态包括与量子点相关联的电子自旋取向。
示例6.示例1的装置,其中量子处理器包括具有4个数据qubit和1个 辅助qubit的5qubit处理器。
示例7.示例1的装置,其中量子门中的至少一个包括C-交换门,并且 对称是已知用于C-交换门的那些。
示例8.如示例7所述的装置,其中,所述5qubit可以表示从|00000> 到|11111>的状态,由十进制值0到31表示,并且其中与C交换门相关 联的对称意味着对应于十进制数16、17、18、20、21、23、24、26、27、 29、30和31的状态是非对称的,其中结果数据中的由基于对称的过滤器过 滤的第一部分包括具有这些状态中的一个或多个状态的数据。
示例9.一种方法,包括:评估量子程序代码以识别与由量子程序代码 指示的一个或多个量子门相关联的对称,所述量子程序代码执行由量子程 序代码指示的一个或多个量子门,量子处理器包括多个量子比特(qubit) 以生成结果数据;并且根据所识别的对称分析由量子处理器生成的结果数 据,以识别结果数据中的与所识别的对称不一致的第一部分。
示例10.如示例9所述的方法,还包括:过滤出结果数据的第一部分以 生成最终结果数据,最终结果数据与所识别的对称一致。
示例11.示例9的方法,其中量子程序代码包括开放量子汇编语言 (QASM)代码。
示例12.如示例9的方法,其中量子处理器包括陷俘离子量子处理器, 其中每个qubit被实现为离子的状态。
示例13.如示例9的装置,其中量子处理器包括量子点器件,其中每 个状态包括与量子点相关联的电子自旋取向。
示例14.示例9的方法,其中量子处理器包括5qbit处理器。
示例15.示例9的方法,其中量子门中的至少一个包括C-交换门,并且 对称是已知用于C-交换门的那些。
示例16:如示例15所述的方法,其中,所述5qubit可以表示从|00000> 到|11111>的状态,由十进制值0到31表示,并且其中与C交换门相关 联的对称意味着对应于十进制数16、17、18、20、21、23、24、26、27、 29、30和31的状态是非对称的,其中所述结果数据中的由基于对称的过滤 器过滤的第一部分包括具有这些状态中的一个或多个状态的数据。
示例17.一种机器可读介质,其上存储有程序代码,所述程序代码当由 机器执行时,使得机器执行以下操作:评估量子程序代码以识别与由量子 程序代码指示的一个或多个量子门相关联的对称,所述量子程序代码执行 由量子程序代码指示的一个或多个量子门,量子处理器包括多个量子比特 (qubit)以生成结果数据;并且根据所识别的对称分析由量子处理器生成 的结果数据,以识别结果数据中的与所识别的对称不一致的第一部分。
示例18.如示例17所述的机器可读介质,还包括使得以下操作的程序 代码:过滤掉结果数据的第一部分以生成最终结果数据,最终结果数据与 所识别的对称一致。
示例19.示例17的机器可读介质,其中量子程序代码包括开放量子汇 编语言(QASM)代码。
示例20.示例17的机器可读介质,其中量子处理器包括陷俘离子量子 处理器,其中每个qubit被实现为离子的状态。
示例21.示例17的装置,其中量子处理器包括量子点器件,其中每个 状态包括与量子点相关联的电子自旋取向。
示例22.如示例17所述的机器可读介质,其中量子处理器包括5qbit 处理器。
示例23.如示例17所述的机器可读介质,其中,所述量子门中的至少 一个包括C交换门,并且所述对称是已知用于C交换门的那些。
示例24.如示例23所述的机器可读介质,其中,所述5qubit可以表示 从|00000>到|11111>的状态,由十进制值0到31表示,并且其中, 与C交换门相关联的对称意味着对应于十进制数16、17、18、20、21、23、 24、26、27、29、30和31的状态是非对称的,其中所述结果数据中的由基 于对称的过滤器过滤的第一部分包括具有这些状态中的一个或多个状态的数据。
在以上详细描述中,参考形成其一部分的附图,并且其中通过图示的 方式示出了可以实践的示例。应当理解,在不脱离本公开的范围的情况下, 可以利用其他实施例并且可以进行结构或逻辑上的改变。因此,以下详细 描述不应被视为具有限制意义。
鉴于完全容错量子计算可能多年未实现,本发明的实施例可用于从不 完美的qubit系统提供最大计算能力,甚至不会达到容错阈值。因此,这些 实施例将显著改善由第一代和后代量子计算机生成的结果,使得它们对客 户更有用。
可以以最有助于理解所要求保护的主题的方式将各种操作依次描述为 多个离散动作或操作。然而,描述的顺序不应被解释为暗示这些操作必须 依赖于顺序。特别是,这些操作可能不按呈现顺序执行。所描述的操作可 以以与所描述的实施例不同的顺序执行。可以执行各种附加操作,和/或在 另外的实施例中可以省略所描述的操作。除非另有说明,否则诸如“第一”、 “第二”、“第三”等术语并不意味着特定的排序。
出于本公开的目的,短语“A和/或B”意指(A)、(B)或(A和B)。 出于本公开的目的,短语“A、B和/或C”表示(A)、(B)、(C)、(A和B)、 (A和C)、(B和C)、或(A,B和C)。当参考测量范围使用时,术语“在... 之间”包括测量范围的末端。如本文所用,符号“A/B/C”表示(A)、(B)和/或(C)。
本说明书使用短语“在实施例中”或“在多实施例中”,其可各自指代 相同或不同实施例中的一个或多个。此外,关于本公开的实施例使用的术 语“包括”、“包括”、“具有”等是同义的。
本发明的实施例可包括上面已描述的各种步骤。这些步骤可以体现在 机器可执行指令中,该机器可执行指令可以用于使通用或专用处理器执行 这些步骤。可替换地,这些步骤可以由包含用于执行步骤的硬连线逻辑的 特定硬件组件来执行,或者由编程的计算机组件和定制硬件组件的任何组 合来执行。
如本文所述,指令可以指代硬件的特定配置,诸如被配置为执行某些 操作的专用集成电路(ASIC)或具有存储在非暂时性计算机可读介质中的 存储器中的预定功能或软件指令。因此,可以使用在一个或多个电子设备 (例如,终端站、网络元件等)上存储和执行的代码和数据来实现图中所 示的技术。这种电子设备使用计算机机器可读介质(例如,非暂时性计算 机机器可读存储介质(例如,磁盘;光盘;随机存取存储器;只读存储器; 闪存设备;相变存储器)和暂时性计算机机器可读通信介质(例如,电、 光、声或其他形式的传播信号-例如载波、红外信号、数字信号,等等。) 存储和传递(通过网络在内部和/或与其他电子设备通信)代码和数据。
此外,这种电子设备通常包括一组一个或多个处理器,其耦合到一个 或多个其他组件,例如一个或多个存储设备(非暂时性机器可读存储介质)、 用户输入/输出设备(例如,键盘、触摸屏和/或显示器)以及网络连接。该 组处理器和其他组件的耦合通常通过一个或多个总线和桥(也称为总线控 制器)。存储设备和承载网络流量的信号分别代表一个或多个机器可读存储 介质和机器可读通信介质。因此,给定电子设备的存储设备通常存储用于 在该电子设备的一个或多个处理器的集合上执行的代码和/或数据。当然, 可以使用软件、固件和/或硬件的不同组合来实现本发明的实施例的一个或 多个部分。在整个详细描述中,出于解释的目的,阐述了许多具体细节以 便提供对本发明的透彻理解。然而,对于本领域技术人员显而易见的是, 可以在没有这些具体细节中的一些的情况下实践本发明。在某些情况下, 没有详细描述公知的结构和功能,以避免模糊本发明的主题。因此,本发明的范围和精神应根据下面的权利要求来判断。

Claims (24)

1.一种装置,包括:
对称检测器,其用于分析量子程序代码,以识别与由所述量子程序代码指示的一个或多个量子门相关联的对称,所述量子门将由量子处理器的量子比特(qubit)实现以生成结果数据;以及
基于对称的过滤器,其用于根据识别的对称来分析由所述量子处理器生成的结果数据,所述对称检测器用于识别和过滤所述结果数据中的与所述识别的对称不一致的第一部分。
2.如权利要求1所述的装置,还包括:
过滤器配置器,其用于应用由所述对称检测器识别的对称,以动态地配置或生成所述基于对称的过滤器。
3.如权利要求1所述的装置,其中,所述量子程序代码包括开放量子汇编语言(QASM)代码。
4.如权利要求1所述的装置,其中,所述量子处理器包括陷俘离子量子处理器,其中,每个qubit被实现为离子状态。
5.如权利要求1所述的装置,其中,所述量子处理器包括量子点器件,其中,每个状态包括与量子点相关联的电子自旋取向。
6.如权利要求1所述的装置,其中,所述量子处理器包括具有4个数据qubit和1个辅助qubit的5qubit处理器。
7.如权利要求1所述的装置,其中,所述量子门中的至少一个包括C交换门,并且所述对称是已知用于C交换门的那些。
8.如权利要求7所述的装置,其中,所述5qbit可以表示从|00000>到|11111>的状态,由十进制值0到31表示,并且其中,与所述C交换门相关联的对称意味着对应于十进制数字16、17、18、20、21、23、24、26、27、29、30和31的状态是非对称的,其中,所述结果数据中的由所述基于对称的过滤器过滤的第一部分包括具有这些状态中的一个或多个状态的数据。
9.一种方法,包括:
评估量子程序代码以识别与由所述量子程序代码指示的一个或多个量子门相关联的对称
执行由所述量子程序代码指示的一个或多个量子门,量子处理器包括多个量子比特(qubit)以生成结果数据;以及
根据识别的对称来分析由所述量子处理器生成的结果数据,以识别所述结果数据中的与所述识别的对称不一致的第一部分。
10.如权利要求9所述的方法,还包括:
过滤掉所述结果数据的第一部分以生成最终结果数据,所述最终结果数据与所述识别的对称一致。
11.如权利要求9所述的方法,其中,所述量子程序代码包括开放量子汇编语言(QASM)代码。
12.如权利要求9所述的方法,其中,所述量子处理器包括陷俘离子量子处理器,其中,每个qubit被实现为离子的状态。
13.如权利要求9所述的装置,其中,所述量子处理器包括量子点器件,其中,每个状态包括与量子点相关联的电子自旋取向。
14.如权利要求9所述的方法,其中,所述量子处理器包括5qbit处理器。
15.如权利要求9所述的方法,其中,所述量子门中的至少一个包括C交换门,并且所述对称是已知用于C交换门的那些。
16.如权利要求15所述的方法,其中,所述5qbit可以表示从|00000>到|11111>的状态,由十进制值0到31表示,并且其中,与所述C交换门相关联的对称意味着对应于十进制数字16、17、18、20、21、23、24、26、27、29、30和31的状态是非对称的,其中,所述结果数据中的由所述基于对称的过滤器过滤的第一部分包括具有这些状态中的一个或多个状态的数据。
17.一种其上存储有程序代码的机器可读介质,所述程序代码当由机器执行时,使得所述机器执行以下操作:
评估量子程序代码以识别与由所述量子程序代码指示的一个或多个量子门相关联的对称
执行由所述量子程序代码指示的一个或多个量子门,量子处理器包括多个量子比特(qubit)以生成结果数据;以及
根据识别的对称来分析由所述量子处理器生成的结果数据,以识别所述结果数据中的与所述识别的对称不一致的第一部分。
18.如权利要求17所述的机器可读介质,还包括用于引起以下操作的程序代码:
过滤掉所述结果数据的第一部分以生成最终结果数据,所述最终结果数据与所述识别的对称一致。
19.如权利要求17所述的机器可读介质,其中,所述量子程序代码包括开放量子汇编语言(QASM)代码。
20.如权利要求17所述的机器可读介质,其中,所述量子处理器包括陷俘离子量子处理器,其中,每个qubit被实现为离子的状态。
21.如权利要求17所述的装置,其中,所述量子处理器包括量子点器件,其中,每个状态包括与量子点相关联的电子自旋取向。
22.如权利要求17所述的机器可读介质,其中,所述量子处理器包括5qbit处理器。
23.如权利要求17所述的机器可读介质,其中,所述量子门中的至少一个包括C交换门,并且所述对称是已知用于C交换门的那些。
24.如权利要求23所述的机器可读介质,其中,所述5qbit可以表示从|00000>到|11111>的状态,由十进制值0到31表示,并且其中,与所述C交换门相关联的对称意味着对应于十进制数字16、17、18、20、21、23、24、26、27、29、30和31的状态是非对称的,其中,所述结果数据中的由所述基于对称的过滤器过滤的第一部分包括具有这些状态中的一个或多个状态的数据。
CN201910264711.2A 2018-05-05 2019-04-03 用于在量子计算系统中使用对称来减少错误的装置和方法 Pending CN110443370A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/972,117 US20190042392A1 (en) 2018-05-05 2018-05-05 Apparatus and method for error reduction using symmetry in a quantum computing system
US15/972,117 2018-05-05

Publications (1)

Publication Number Publication Date
CN110443370A true CN110443370A (zh) 2019-11-12

Family

ID=65229977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910264711.2A Pending CN110443370A (zh) 2018-05-05 2019-04-03 用于在量子计算系统中使用对称来减少错误的装置和方法

Country Status (3)

Country Link
US (1) US20190042392A1 (zh)
EP (1) EP3564872A1 (zh)
CN (1) CN110443370A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027704A (zh) * 2019-12-16 2020-04-17 北京百度网讯科技有限公司 量子资源估计方法、装置和电子设备
CN113157879A (zh) * 2021-03-25 2021-07-23 天津大学 一种基于量子测量的问答任务匹配的计算机介质
CN114548413A (zh) * 2022-02-25 2022-05-27 北京百度网讯科技有限公司 量子电路操作方法及装置、电子设备和介质
CN115577788A (zh) * 2022-09-28 2023-01-06 北京百度网讯科技有限公司 量子熵确定方法、装置、设备及存储介质

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10664761B2 (en) * 2018-05-25 2020-05-26 Microsoft Technology Licensing, Llc Generating quantum computing circuits by distributing approximation errors in a quantum algorithm
US11568293B2 (en) 2018-07-18 2023-01-31 Accenture Global Solutions Limited Quantum formulation independent solver
US11152756B2 (en) * 2018-07-23 2021-10-19 University Of Maryland, College Park Laser cavity repetition rate tuning and high-bandwidth stabilization
US10910786B2 (en) 2018-07-23 2021-02-02 University Of Maryland, College Park Laser cavity optical alignment
US11086665B2 (en) * 2018-10-22 2021-08-10 Red Hat, Inc. Scheduling services for quantum computing
US10572816B1 (en) * 2018-12-05 2020-02-25 Wisconsin Alumni Research Foundation System and method for controlling superconducting qubits
US10698789B1 (en) * 2018-12-05 2020-06-30 International Business Machines Corporation Fuzz testing for quantum SDK
US10892398B2 (en) * 2019-03-28 2021-01-12 Johannes Pollanen Qubit hardware for electrons on helium
US11334810B2 (en) 2019-04-09 2022-05-17 International Business Machines Corporation Adiabatic progression with intermediate re-optimization to solve hard variational quantum problems in quantum computing
US11314535B2 (en) 2019-06-21 2022-04-26 International Business Machines Corporation Quantum data result streaming
CN110942152B (zh) * 2019-10-29 2024-02-13 本源量子计算科技(合肥)股份有限公司 量子芯片系统、量子计算处理系统及电子设备
US11715026B2 (en) * 2020-06-30 2023-08-01 Massachusetts Institute Of Technology Quantum measurement emulation error mitigation protocol for quantum computing
US11281524B1 (en) 2020-11-11 2022-03-22 International Business Machines Corporation Stretch factor error mitigation enabled quantum computers
US20220188112A1 (en) * 2020-12-14 2022-06-16 International Business Machines Corporation Logical hadamard gate operation and gauge fixing in subsystem codes
US12016252B2 (en) * 2020-12-23 2024-06-18 Intel Corporation System and method for automatic real-time calibration of qubit chips
US11966813B2 (en) 2021-03-19 2024-04-23 International Business Machines Corporation Mitigation of readout error in a quantum computation
US11544615B2 (en) * 2021-05-27 2023-01-03 Red Hat, Inc. Managing runtime qubit allocation for executing quantum services
CN115545205B (zh) * 2021-06-30 2024-04-05 本源量子计算科技(合肥)股份有限公司 多量子比特测量结果的确定方法、确定装置及量子计算机
WO2023027795A2 (en) * 2021-07-16 2023-03-02 IonQ, Inc. Dual-space, single-species architecture for trapped-ion quantum information processing
CN114021729B (zh) * 2021-11-04 2024-07-12 北京百度网讯科技有限公司 量子电路操作方法及系统、电子设备和介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103580793A (zh) * 2012-08-02 2014-02-12 北京兆易创新科技股份有限公司 纠错处理方法和系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027704A (zh) * 2019-12-16 2020-04-17 北京百度网讯科技有限公司 量子资源估计方法、装置和电子设备
CN111027704B (zh) * 2019-12-16 2024-05-31 北京百度网讯科技有限公司 量子资源估计方法、装置和电子设备
CN113157879A (zh) * 2021-03-25 2021-07-23 天津大学 一种基于量子测量的问答任务匹配的计算机介质
CN114548413A (zh) * 2022-02-25 2022-05-27 北京百度网讯科技有限公司 量子电路操作方法及装置、电子设备和介质
CN115577788A (zh) * 2022-09-28 2023-01-06 北京百度网讯科技有限公司 量子熵确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
EP3564872A1 (en) 2019-11-06
US20190042392A1 (en) 2019-02-07

Similar Documents

Publication Publication Date Title
CN110443370A (zh) 用于在量子计算系统中使用对称来减少错误的装置和方法
Linke et al. Measuring the Rényi entropy of a two-site Fermi-Hubbard model on a trapped ion quantum computer
Choo et al. Symmetries and many-body excitations with neural-network quantum states
Letscher et al. Bistability versus metastability in driven dissipative Rydberg gases
Kotliar et al. Electronic structure calculations with dynamical mean-field theory
Stefanucci et al. Time-dependent quantum transport with superconducting leads: A discrete-basis Kohn-Sham formulation and propagation scheme
EP3105719B1 (en) Classical simulation constants and ordering for quantum chemistry simulation
Kharkov et al. Revealing quantum chaos with machine learning
Kells et al. Topological transitions in weakly monitored free fermions
Pezzè et al. Non-classical states of atomic ensembles: fundamentals and applications in quantum metrology
EP4042336A1 (en) Implementation of variational quantum eigensolver algorithm by using tensor network framework
Clemente et al. Strategies for the determination of the running coupling of (2+ 1)-dimensional QED with quantum computing
Denner et al. Efficient learning of a one-dimensional density functional theory
Biggio et al. Dynaformer: A deep learning model for ageing-aware battery discharge prediction
Ralph et al. Dynamical model selection near the quantum-classical boundary
Khanahmadi et al. Time-dependent atomic magnetometry with a recurrent neural network
Kist et al. Lee-Yang theory of criticality in interacting quantum many-body systems
Luchnikov et al. Probing non-Markovian quantum dynamics with data-driven analysis: Beyond “black-box” machine-learning models
Mendes-Santos et al. Wave-Function Network Description and Kolmogorov Complexity of Quantum Many-Body Systems
Umeano et al. What can we learn from quantum convolutional neural networks?
Koch et al. Neural network enhanced hybrid quantum many-body dynamical distributions
Oyucu et al. Discharge Capacity Estimation for Li-Ion Batteries: A Comparative Study
Alexandrou et al. Unsupervised identification of the phase transition on the 2D-Ising model
Sadoune et al. Unsupervised interpretable learning of phases from many-qubit systems
Sun et al. Probing spectral features of quantum many-body systems with quantum simulators

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination